用tensorflow写一个房价线性回归代码

以下是一个使用 TensorFlow 实现的房价线性回归模型的代码示例：

import tensorflow as tf
import numpy as np

# 定义训练数据
train_X = np.array([[1.0, 2.0, 3.0, 4.0, 5.0],
                    [2.0, 4.0, 6.0, 8.0, 10.0],
                    [3.0, 6.0, 9.0, 12.0, 15.0],
                    [4.0, 8.0, 12.0, 16.0, 20.0],
                    [5.0, 10.0, 15.0, 20.0, 25.0]])
train_Y = np.array([10.0, 20.0, 30.0, 40.0, 50.0])

# 定义模型参数
learning_rate = 0.01
training_epochs = 100
display_step = 20

# 定义 TensorFlow 计算图
X = tf.placeholder(tf.float32, [None, 5], name="X")
Y = tf.placeholder(tf.float32, [None], name="Y")

W = tf.Variable(tf.zeros([5, 1]), name="W")
b = tf.Variable(tf.zeros([1]), name="b")

pred = tf.matmul(X, W) + b

# 定义损失函数和优化器
cost = tf.reduce_mean(tf.square(pred - Y))
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)

# 初始化 TensorFlow 变量
init = tf.global_variables_initializer()

# 在 TensorFlow 会话中运行计算图
with tf.Session() as sess:
    sess.run(init)

    # 训练模型
    for epoch in range(training_epochs):
        _, c = sess.run([optimizer, cost], feed_dict={X: train_X, Y: train_Y})

        if (epoch + 1) % display_step == 0:
            print("Epoch:", '%04d' % (epoch + 1), "cost=", "{:.9f}".format(c))

    print("Optimization Finished!")
    training_cost = sess.run(cost, feed_dict={X: train_X, Y: train_Y})
    print("Training cost=", training_cost, "W=", sess.run(W), "b=", sess.run(b))

    # 使用模型进行预测
    test_X = np.array([[6.0, 7.0, 8.0, 9.0, 10.0]])
    print("Predicted house price:", sess.run(pred, feed_dict={X: test_X}))

该代码定义了一个训练数据集 `train_X` 和 `train_Y`，其中 `train_X` 是一个 5 行 5 列的矩阵，每行代表一个房屋的 5 个特征值，`train_Y` 是一个包含 5 个房屋价格的向量。通过 TensorFlow 定义了一个线性回归模型，使用梯度下降算法进行训练，并使用该模型进行预测。在训练过程中，每隔一定次数输出训练损失。